基于多目标粒子群算法的港口调度系统设计与实现

论文摘要

近年我国物流行业高速的发展,已经成为国民经济中一个重要的支柱产业。物流行业广阔的市场潜力,对港口的发展起着巨大的促进作用。作为全球综合运输系统的节点,港口的效率、服务水平及可靠性是非常关键的因素。本文以改善港口资源的有效分配,降低费用成本,提高港口设备资源利用率为目标,结合港口生产中的各种约束条件以及粒子群优化算法(PSO)的基本理论,深入分析港口生产调度作业过程的优化方法。论文的主要工作有:首先,在分析研究港口生产过程的基础上,以所有船舶总在港时间最短为目标函数,建立了港口泊位作业数学模型和拖轮作业数学模型,根据模型的特点和各个参数的物理意义及其相互关系得出了港口调度数学模型必须满足的约束条件,该模型充分考虑了港口调度的随机性和其它影响因素,比较客观地反映港口调度的实际运行情况。其次,本文利用多目标粒子群算法(MOPSO)对港口调度问题数学模型进行最优求解。PSO算法属于群集计算智能中具有代表性的优化算法之一,是一种基于群智能方法的演化计算技术,具有简单容易实现并且没有许多参数需要调整的优点。在本文的算法实现中,利用线性递减权值策略,调整粒子的全局搜索和局部搜索能力,并用一种最优解评估选取的PSO算法进行多目标优化问题的非劣最优解集的搜索。通过建立的港口调度问题的两个目标函数来共同指导粒子的飞行,对PSO算法全局极值和个体极值的选取方式进行改进,使其最终落入非劣最优目标域,从而得到最终的港口设备资源的最优化分配方案。最后,采用统一建模语言(UML)建模方法进行港口调度系统的总体设计,按照港口调度的基本方法建立了系统的总体结构图,系统时序图等。并由此实现了港口调度系统。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景、目的和意义
• 1.2 国内外研究现状
• 1.2.1 泊位调度问题研究现状
• 1.2.2 拖轮调度问题研究现状
• 1.3 优化方法的比较与选择
• 1.4 论文的主要研究内容
• 第2章 港口调度问题数学模型的建立
• 2.1 调度问题介绍
• 2.1.1 调度问题的提出
• 2.1.2 调度问题的分类
• 2.2 港口调度问题描述
• 2.3 数学模型的建立
• 2.3.1 泊位作业目标函数建立
• 2.3.2 拖轮作业目标函数建立
• 2.3.3 约束函数建立
• 2.4 本章小结
• 第3章 优化算法及PSO基本理论
• 3.1 优化问题
• 3.1.1 最优化方法
• 3.1.2 约束优化
• 3.1.3 多目标优化
• 3.2 港口调度优化方法的选择
• 3.2.1 群智能算法理论发展概述
• 3.2.2 几种群智能算法概述
• 3.2.3 算法比较
• 3.3 粒子群算法相关理论
• 3.3.1 粒子群算法基本原理
• 3.3.2 粒子群算法数学描述
• 3.3.3 粒子群算法的流程
• 3.3.4 粒子群算法的分析
• 3.3.5 粒子群算法的发展
• 3.4 本章小结
• 第4章 MOPSO算法求解港口调度问题
• 4.1 多目标优化方法
• 4.1.1 多目标优化的定义
• 4.1.2 非支配解
• 4.1.3 最优边界
• 4.2 多目标粒子群算法（MOPSO）实现
• 4.2.1 MOPSO算法思想
• 4.2.2 MOPSO算法流程
• 4.2.3 一种新型的MOPSO算法
• 4.3 MOPSO算法求解港口调度问题
• 4.3.1 利用PSO求解调度问题时的粒子表示方法
• 4.3.2 求解港口调度问题的MOPSO算法设计
• 4.4 本章小结
• 第5章 港口调度系统的实现
• 5.1 UML功能及建模机制
• 5.1.1 UML的主要功能
• 5.1.2 UML的建模机制
• 5.2 港口调度系统总体设计
• 5.2.1 港口调度系统目标
• 5.2.2 系统总体结构设计分析
• 5.2.3 港口调度系统总体时序图设计
• 5.3 海图显示模块设计与实现
• 5.3.1 模块设计
• 5.3.2 模块实现
• 5.4 到港船舶信息统计模块设计与实现
• 5.4.1 模块设计
• 5.4.2 模块实现
• 5.5 港口资源信息模块设计与实现
• 5.5.1 模块设计
• 5.5.2 模块实现
• 5.6 港口调度系统模块设计与实现
• 5.6.1 模块设计
• 5.6.2 模块实现
• 5.7 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢